使用AlphaFold-multimer改进了蛋白质复合物的预测,通过否定MSA配置文件

科学领域:

• 计算生物学是一种计算生物学.
• 结构生物学是结构生物学.
• 生物信息学是一种生物信息学.

背景情况:

• 预测蛋白质复杂结构对于理解生物功能至关重要.
• 虽然AlphaFold2和AlphaFold-multimer (AFM) 已经推进了这一领域,但对许多蛋白质二次体来说,准确的预测仍然是一个挑战.
• 现有的方法与复杂的结构作斗争,需要新的方法.

研究的目的:

• 使用AlphaFold-multimer (AFM) 提高蛋白质复杂结构预测的准确性.
• 通过优化多个序列对齐 (MSA) 表示来增强AFM预测的协议的开发.
• 为了解决当前对困难目标的蛋白质复合体预测的局限性.

主要方法:

• 实施了梯度下降方法来学习AFM网络内的MSA表示中的偏差.
• 开发了AFProfile协议以指导AFM预测.
• 评估了CASP15中对具有挑战性的目标的方法以及487个AFM以前失败的复合体的数据集.

主要成果:

• 在七个困难的CASP15目标上,AFProfile将AFM的平均MMscore从0.63提高到0.76.
• 在487个具有挑战性的蛋白质复合体中,在AFM单独失败的情况下,取得了33%的成功率 (MMscore > 0.75).
• 在预测蛋白质复合物的结构方面显著改善,特别是在困难的情况下.

结论:

• 通过利用MSA信息,AFProfile有效地提高了蛋白质复杂结构预测的准确性.
• 该协议提供了一种新的方法,可以将预测指向特定的目标函数.
• 在MSA上的梯度下降显示出各种蛋白质结构预测任务的前景.